[發明專利]產品流轉量預測方法、裝置、電子設備和存儲介質

在審

• 申請號: 202111130717.4
• 申請日: 2021-09-26
• 公開（公告）號: CN113837806A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 喬錦秀;于忠源
• 申請（專利權）人: 北京房江湖科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q40/04
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 毛麗琴

本公開實施例公開了一種產品流轉量預測方法、裝置、電子設備和存儲介質。該產品流轉量預測方法包括：獲取在第一歷史時間段序列中的第一歷史時間段進行產品流轉的歷史產品流轉量，以及在第二歷史時間段序列中的第二歷史時間段所提供服務的歷史服務量，分別得到第一歷史產品流轉量序列和第一歷史服務量序列，其中，上述第一歷史產品流轉量對應的產品流轉區域，與上述第一歷史服務量對應的服務區域相同；采用預先擬合的動態回歸模型，基于上述第一歷史產品流轉量序列和上述第一歷史服務量序列，生成針對上述產品流轉區域的預測產品流轉量。本公開實施例可以提高產品流轉量預測的準確度。

技術領域

本公開涉及人工智能技術領域，尤其是一種產品流轉量預測方法、裝置、電子設備和存儲介質。

背景技術

現有技術中，產品流轉量預測的方法，多是采用單一經驗加同時期類比的方法。

舉例而言，在預測二手房的總交易額(GTV，Gross Transaction Value)時，通常是將去年各城市的交易GTV作為參考，依據經驗制定一定的增長比例，并通過經驗以及季節性類比，將乘以增長比例后的GTV分配到各個月份，作為各月份的目標值。然而，目前使用的經驗法會面臨兩個主要問題。問題一：對于幾百個服務的城市，需要對每個城市逐一人工制定目標，并且逐月進行修正，使用經驗法制定目標的人對從業經驗要求非常高，因此導致該方法推廣使用具有很大的局限性。問題二：不同的城市二手房交易的規律不同，單一的經驗法加類比不能涵蓋每個城市的交易規律，因此將經驗法預測的結果作為目標，會和實際結果有比較大的偏差，使目標的制定失去其原有價值。

可見，如何提高產品流轉量預測的準確度，是一個值得關注的問題。

發明內容

本公開實施例提供一種產品流轉量預測方法、裝置、電子設備和存儲介質，采用動態回歸模型，基于第一歷史產品流轉量序列和第一歷史服務量序列，生成針對產品流轉區域的預測產品流轉量，從而提高了產品流轉量預測的準確度。

根據本公開實施例的第一個方面，提供的一種產品流轉量預測方法，包括：

獲取在第一歷史時間段序列中的第一歷史時間段進行產品流轉的歷史產品流轉量，以及在第二歷史時間段序列中的第二歷史時間段所提供服務的歷史服務量，分別得到第一歷史產品流轉量序列和第一歷史服務量序列，其中，所述第一歷史產品流轉量序列中的第一歷史產品流轉量對應的產品流轉區域，與所述第一歷史服務量序列中的第一歷史服務量對應的服務區域相同；

采用預先擬合的動態回歸模型，基于所述第一歷史產品流轉量序列和所述第一歷史服務量序列，生成針對所述產品流轉區域的預測產品流轉量。

可選地，在本公開任一實施例的方法中，所述采用預先擬合的動態回歸模型，基于所述第一歷史產品流轉量序列和所述第一歷史服務量序列，生成針對所述產品流轉區域的預測產品流轉量，包括：

將所述第一歷史產品流轉量序列中的第一歷史產品流轉量作為預先擬合的動態回歸模型的被解釋變量，將所述第一歷史服務量序列中的第一歷史服務量作為所述動態回歸模型的解釋變量，生成針對所述產品流轉區域的預測產品流轉量。

可選地，在本公開任一實施例的方法中，所述方法還包括：

獲取在第三歷史時間段序列中的第三歷史時間段進行產品流轉的歷史產品流轉量，以及在第四歷史時間段序列中的第四歷史時間段所提供服務的歷史服務量，分別得到第二歷史產品流轉量序列和第二歷史服務量序列；

基于所述第二歷史產品流轉量序列和所述第二歷史服務量序列，確定動態回歸模型的待擬合系數的值，生成預先擬合的動態回歸模型。

可選地，在本公開任一實施例的方法中，所述基于所述第二歷史產品流轉量序列和所述第二歷史服務量序列，確定動態回歸模型的待擬合系數的值，生成預先擬合的動態回歸模型，包括：